如何在拟合 Sklearn 估计器和转换器之前手动指定正 class

Question

我正在尝试使用来自 UCI ML Repo 的 relevant dataset 预测信用卡批准。问题是目标将信用卡申请编码为“+”表示批准，“-”表示拒绝。

由于目标中有更多被拒绝的申请，所有评分员、估算员都将被拒绝的 class 视为积极的，否则应该是积极的。因此，我的混淆矩阵全乱了，因为我认为所有真阳性和真阴性、假阳性和假阴性都倒置了：

如何手动指定正数 class？

Answer 1

我不知道有哪些 scikit-learn 估计器或转换器可以让您翻转正负 class 标识符作为参数。但我可以想到两种方法来解决这个问题：

方法 1：在拟合估计器之前自行转换数组标签

numpy 数组可以轻松实现：

y = np.array(['+', '+', '+', '-', '-'])
y_transformed = [1 if i == '+' else 0 for i in y]

还有 pandas Series 个对象：

y = pd.Series(['+', '+', '+', '-', '-'])
y_transformed = y.map({'+': 1, '-': 0})

在这两种情况下，输出都是 [1, 1, 1, 0, 0]

方法二：在confusion_matrix

中定义labels参数

scikit-learn 的 confusion_matrix 有一个参数 labels，可让您重新排序标签。像这样使用：

y_true = np.array([1, 1, 1, 0, 0])
y_pred = np.array([1, 0, 1, 0, 0])

print(confusion_matrix(y_true, y_pred))
# output
[[2 0]
 [1 2]]


print(confusion_matrix(y_true, y_pred, labels=[1, 0]))
# output
[[2 1]
 [0 2]]

如何在拟合 Sklearn 估计器和转换器之前手动指定正 class

How to specify the positive class manually before fitting Sklearn estimators and transformers

classification

machine-learning

scikit-learn